java的UTF-16字符编码
我试图理解Java中的字符编码。 Java中的字符使用UTF-16编码以16位存储。 因此，当我将包含6个字符的字符串转换为字节时，我得到6个字节，如下所示，我希望它是12.我有什么概念缺少吗？
package learn.java; public class CharacterTest { public static void main(String[] args) { String str = "Hadoop"; byte bt[] = str.getBytes(); System.out.println("the length of character array is " + bt.length); } } O / p：字符数组的长度为6
根据@Darshan当尝试使用UTF-16编码来获取字节时，结果也没有预料到。
package learn.java; public class CharacterTest { public static void main(String[] args) { String str = "Hadoop"; try{ byte bt[] = str.getBytes("UTF-16"); System.out.println("the length of character array is " + bt.length); } catch(Exception e) { } } } o/p: the length of character array is 14
在UTF-16版本中，由于插入了标记以区分Big Endian（默认）和Little Endian，因此您将获得14个字节。 如果指定UTF-16LE，则会得到12个字节（little-endian，不添加字节顺序标记）。
见http://www.unicode.org/faq/utf_bom.html#gen7
编辑 –使用此程序查看由不同编码生成的实际字节：
public class Test { public static void main(String args[]) throws Exception { // bytes in the first argument, encoded using second argument byte[] bs = args[0].getBytes(args[1]); System.err.println(bs.length + " bytes:"); // print hex values of bytes and (if printable), the char itself char[] hex = "0123456789ABCDEF".toCharArray(); for (int i=0; i>4] + "" + hex[b&0xf] + ( ! Character.isISOControl((char)b) ? ""+(char)b : ".") + ( (i%4 == 3) ? "\n" : " ")); } System.err.println(); } }
例如，在UTF-8下运行时（在其他JVM默认编码下，FE和FF的字符将显示不同），输出为：
$ javac Test.java && java -cp . Test hello UTF-16 12 bytes: FEþ FFÿ 00. 68h 00. 65e 00. 6Cl 00. 6Cl 00. 6Fo
和
$ javac Test.java && java -cp . Test hello UTF-16LE 10 bytes: 68h 00. 65e 00. 6Cl 00. 6Cl 00. 6Fo 00.
和
$ javac Test.java && java -cp . Test hello UTF-16BE 10 bytes: 00. 68h 00. 65e 00. 6Cl 00. 6Cl 00. 6Fo
根据String.getBytes()方法的文档 ，使用平台的默认字符集将字符串编码为字节序列。
我假设，您的平台默认字符集将是ISO-8859-1（或类似的每字节字符字符集）。 这些字符集将一个字符编码为一个字节。
如果要指定编码，请使用String.getBytes(Charset)或String.getBytes(String) 。
关于16位存储：这是Java 内部存储字符的方式，也是字符串。 它基于原始的Unicode规范。
对于UTF-16编码，使用str.getBytes("UTF-16");
但它为byte []提供了14个长度，请参阅[link] http://rosettacode.org/wiki/String_length了解更多详情。
String.getBytes()使用默认平台编码。 尝试这个
byte bt[] = str.getBytes("UTF-16");
我认为这将有所帮助： 绝对最低每个软件开发人员绝对必须知道关于Unicode和字符集（没有任何借口！）作者：Joel Spolsky
这也有帮助：“UTF-16（16位Unicode转换格式）是一种字符编码[…]编码是一种可变长度编码，因为代码点用一个或两个16位代码单元编码“。 （来自维基百科 ）